เปรียบเทียบ logistic loss และ hinge loss
ในแบบฝึกหัดนี้ คุณจะสร้างกราฟของ logistic loss และ hinge loss โดยใช้นิพจน์ทางคณิตศาสตร์ที่เตรียมไว้ให้แล้ว
แผนภาพ loss function จากวิดีโอแสดงอยู่ทางขวา
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Linear Classifiers ใน Python
คำแนะนำการฝึกหัด
- ประเมินค่าฟังก์ชัน
log_loss()และhinge_loss()ที่จุดกริด เพื่อให้สามารถพล็อตกราฟได้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Mathematical functions for logistic and hinge losses
def log_loss(raw_model_output):
return np.log(1+np.exp(-raw_model_output))
def hinge_loss(raw_model_output):
return np.maximum(0,1-raw_model_output)
# Create a grid of values and plot
grid = np.linspace(-2,2,1000)
plt.plot(grid, ____, label='logistic')
plt.plot(grid, ____, label='hinge')
plt.legend()
plt.show()